█腦科學(xué)動態(tài)

Nature：大腦“精準(zhǔn)剎車”的機制

大腦睡眠開關(guān)：一個分子如何同時控制入睡和醒來

肥胖會導(dǎo)致焦慮和認(rèn)知障礙

神經(jīng)類固醇被認(rèn)定為難治性抑郁癥的潛在治療

自閉癥和多動癥具有不同的大腦連接特征

早期大腦功能網(wǎng)絡(luò)發(fā)展的層級模型

█AI行業(yè)動態(tài)

Claude團隊開源大模型思維追蹤器，AI決策過程實現(xiàn)可視化

AI團隊協(xié)作遇甩鍋難題，新研究讓AI學(xué)會主動認(rèn)錯

█AI驅(qū)動科學(xué)

Nature：靜息態(tài)功能磁共振成像的歷史與未來展望

MindAligner：1小時fMRI數(shù)據(jù)破解跨個體腦視覺解碼難題

工程師為機器人開發(fā)自愈肌肉

熬夜傷情，上海交大發(fā)現(xiàn)睡眠剝奪會降低情緒識別能力

人機協(xié)同新范式：互補算法提升決策質(zhì)量

腦科學(xué)動態(tài)

Nature：大腦“精準(zhǔn)剎車”的機制，科學(xué)家繪制首張抑制性神經(jīng)元全息地圖

艾倫腦科學(xué)研究所等機構(gòu)的Casey M. Schneider-Mizell、Agnes L. Bodor、Derrick Brittain等研究人員通過超高分辨率成像技術(shù)，首次繪制出小鼠視覺皮層完整的抑制性神經(jīng)元連接地圖，揭示了其靶向特異性連接規(guī)律和協(xié)同調(diào)控機制。

研究團隊采用毫米級體積電子顯微鏡（volumetric EM）技術(shù)，對小鼠視覺皮層一個523×1,100×820μm3區(qū)域進行三維重建，精確標(biāo)注了1,352個神經(jīng)元和超過70,000個突觸連接。通過深度學(xué)習(xí)輔助分割和大規(guī)模人工校正，研究人員發(fā)現(xiàn)抑制性神經(jīng)元并非隨機作用，而是形成“動機組”（motif groups）——不同亞型的抑制性神經(jīng)元協(xié)同調(diào)控同一興奮性神經(jīng)元的不同樹突區(qū)域（如胞體周圍和遠端樹突）。

特別值得注意的是，研究識別出一類“去抑制專家”神經(jīng)元（InhTC亞型），其專門靶向籃狀細(xì)胞，通過解除抑制間接放大皮層興奮活動。對興奮性神經(jīng)元的分析則揭示了18種形態(tài)功能亞型（M-types），它們在突觸數(shù)量、密度和大小上差異顯著，且接受的抑制輸入呈現(xiàn)明顯的層特異性分布。研究還量化了突觸選擇性，發(fā)現(xiàn)抑制性神經(jīng)元的靶向特異性由精確的軸突空間投射和對特定細(xì)胞類型的選擇性共同決定。這些發(fā)現(xiàn)為理解大腦皮層抑制性調(diào)控提供了新的組織原則。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #多尺度連接組學(xué)

閱讀更多：

Schneider-Mizell, Casey M., et al. “Inhibitory Specificity from a Connectomic Census of Mouse Visual Cortex.” Nature, vol. 640, no. 8058, Apr. 2025, pp. 448–58. www.nature.com, https://doi.org/10.1038/s41586-024-07780-8

大腦中的睡眠開關(guān)：一個分子如何同時控制入睡和醒來

睡眠調(diào)控機制的核心是什么？德累斯頓工業(yè)大學(xué)生物技術(shù)中心的Henrik Bringmann團隊通過研究秀麗隱桿線蟲（C. elegans）發(fā)現(xiàn)，單個神經(jīng)元的FLP-11神經(jīng)肽通過DMSR-1受體實現(xiàn)睡眠的啟動與終止，這種雙向開關(guān)機制可能普遍存在于生物體中。

研究團隊首先通過基因篩選鎖定FLP-11神經(jīng)肽的受體DMSR-1，發(fā)現(xiàn)其屬于抑制性G蛋白偶聯(lián)受體（Gi/o protein-coupled receptor，能降低細(xì)胞活性）。實驗顯示，當(dāng)FLP-11激活膽堿能神經(jīng)元中的DMSR-1時，會關(guān)閉這些促進覺醒的神經(jīng)元，使線蟲入睡；而同一神經(jīng)肽激活睡眠神經(jīng)元RIS自身的DMSR-1時，則會關(guān)閉RIS的鈣活動從而喚醒線蟲。這種“自抑制”機制使線蟲睡眠時長穩(wěn)定在20分鐘左右，同時確保睡眠的保護性功能（如基因表達調(diào)控）得以實現(xiàn)。研究還發(fā)現(xiàn)，抑制膽堿能信號是睡眠誘導(dǎo)的必要條件，而RIS神經(jīng)元中的DMSR-1則通過負(fù)反饋控制睡眠時長。這種雙向調(diào)控為理解更復(fù)雜生物的睡眠障礙提供了分子層面的解釋。研究發(fā)表在 Current Biology 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #分子機制 #睡眠障礙 #進化保守性

閱讀更多：

Rossi, Lorenzo, et al. “The Neuropeptide FLP-11 Induces and Self-Inhibits Sleep through the Receptor DMSR-1 in Caenorhabditis Elegans.” Current Biology, vol. 35, no. 9, May 2025, pp. 2183-2194.e10. www.cell.com, https://doi.org/10.1016/j.cub.2025.03.039

肥胖會導(dǎo)致焦慮和認(rèn)知障礙

佐治亞州立大學(xué)的Desiree Wanders團隊通過小鼠實驗發(fā)現(xiàn)，高脂飲食導(dǎo)致的肥胖會引發(fā)焦慮樣行為，并改變大腦信號和腸道菌群，這些變化可能共同導(dǎo)致認(rèn)知功能下降。

研究將32只雄性小鼠分為高脂飲食組和低脂飲食組，喂養(yǎng)15周（相當(dāng)于人類青春期至成年早期）。結(jié)果顯示，高脂飲食組小鼠體重增加30%，體脂顯著升高。行為測試中，這些小鼠表現(xiàn)出更多焦慮樣行為（如僵住反應(yīng)），同時下丘腦的基因表達模式發(fā)生改變。此外，研究人員還發(fā)現(xiàn)肥胖小鼠的腸道菌群組成與瘦小鼠存在顯著差異，這種變化可能與行為異常相關(guān)。研究指出，雖然小鼠模型不能完全反映人類情況，但結(jié)果提示肥胖可能通過腸-腦軸影響心理健康。

#疾病與健康 #心理健康與精神疾病 #腸腦軸 #肥胖機制 #認(rèn)知功能

閱讀更多：

https://nutrition.org/meeting/

神經(jīng)類固醇被認(rèn)定為難治性抑郁癥的潛在治療

全球約30%抑郁癥患者對現(xiàn)有藥物無反應(yīng)，形成難治性抑郁癥（TRD）。印度Smt. Kishoritai Bhoyar藥學(xué)院的Krutika Nagpurkar、Pratik Ghive等團隊通過系統(tǒng)綜述發(fā)現(xiàn)，神經(jīng)類固醇通過獨特的多靶點機制展現(xiàn)出顯著療效，為TRD治療帶來新希望。

?圖形摘要總結(jié)了研究人員的綜述論文。Credit: Nagpurkar et al. (Neuroscience, 2025).

研究團隊分析了孕烯醇酮（allopregnanolone）、脫氫表雄酮（DHEA）等神經(jīng)類固醇的臨床證據(jù)。這些天然化合物能同時調(diào)節(jié)GABA_A受體（大腦"剎車系統(tǒng)"）和NMDA受體（記憶相關(guān)開關(guān)），增強神經(jīng)可塑性。更重要的是，它們能重置過度活躍的HPA軸（下丘腦-垂體-腎上腺軸，壓力反應(yīng)中樞），從根源緩解抑郁相關(guān)的神經(jīng)化學(xué)失衡。動物實驗中，神經(jīng)類固醇成功逆轉(zhuǎn)慢性壓力誘發(fā)的抑郁行為；人體試驗顯示其起效速度優(yōu)于傳統(tǒng)藥物，且2019年FDA已批準(zhǔn)同類藥物brexanolone治療產(chǎn)后抑郁。不過，這類化合物存在口服吸收率低、長期使用安全性待驗證等挑戰(zhàn)，需進一步研究優(yōu)化。研究發(fā)表在 Neuroscience 上。

#疾病與健康 #心理健康與精神疾病 #神經(jīng)調(diào)控 #個性化醫(yī)療 #神經(jīng)機制與腦功能解析

閱讀更多：

Nagpurkar, Krutika, et al. “Neurosteroids as Emerging Therapeutics for Treatment-Resistant Depression: Mechanisms and Clinical Potential.” Neuroscience, vol. 577, June 2025, pp. 300–14. www.ibroneuroscience.org, https://doi.org/10.1016/j.neuroscience.2025.05.022

孤獨癥和多動癥具有不同的大腦連接特征

孤獨癥（ASD）和多動癥（ADHD）常共病但神經(jīng)機制不清。美國國立衛(wèi)生研究院和倫敦國王學(xué)院的Luke J. Norman、Gustavo Sudre等團隊通過分析12,732名兒童青少年腦數(shù)據(jù)，首次系統(tǒng)揭示兩種疾病具有相反的大腦連接模式。

研究團隊整合全球多中心數(shù)據(jù)，采用橫斷面大型分析方法，對10,168名6-19歲參與者進行功能磁共振成像（fMRI）分析，重點關(guān)注丘腦（感覺信息中轉(zhuǎn)站）和殼核（運動學(xué)習(xí)中樞）等關(guān)鍵區(qū)域。結(jié)果顯示：ASD患者丘腦與額頂葉注意網(wǎng)絡(luò)連接顯著減弱，而ADHD患者相同通路連接異常增強。特別發(fā)現(xiàn)默認(rèn)模式網(wǎng)絡(luò)與背側(cè)注意網(wǎng)絡(luò)的超連接是ADHD的共性特征，這種模式在ASD組同樣存在但強度較弱。盡管50-70%的ASD患者表現(xiàn)ADHD癥狀，研究證實兩種疾病具有可區(qū)分的神經(jīng)標(biāo)記，效應(yīng)量雖小（標(biāo)準(zhǔn)化均值差0.1-0.3）但具有臨床意義。這些發(fā)現(xiàn)可能解釋為何部分患者對特定治療反應(yīng)不同，為開發(fā)靶向干預(yù)策略提供新方向。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #心理健康與精神疾病 #兒童發(fā)育障礙 #腦連接組學(xué)

閱讀更多：

Norman, Luke J., et al. “Cross-Sectional Mega-Analysis of Resting-State Alterations Associated with Autism and Attention-Deficit/Hyperactivity Disorder in Children and Adolescents.” Nature Mental Health, May 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s44220-025-00431-5

早期大腦功能網(wǎng)絡(luò)發(fā)展的層級模型

大腦功能網(wǎng)絡(luò)如何從胎兒期開始有序發(fā)展？加州大學(xué)洛杉磯分校的Wei Gao團隊通過整合多模態(tài)神經(jīng)影像數(shù)據(jù)，揭示了早期大腦功能網(wǎng)絡(luò)遵循"從感覺運動到社交情感再到認(rèn)知控制"的層級發(fā)展模式，為理解典型和非典型腦發(fā)育提供了新框架。

研究綜合分析了靜息態(tài)功能磁共振成像（rsfMRI）、腦電圖（EEG）和功能性近紅外光譜（fNIRS）等數(shù)據(jù)，追蹤從胎兒期到幼兒期的大腦網(wǎng)絡(luò)發(fā)展。結(jié)果顯示，基本感覺運動網(wǎng)絡(luò)（包括體感、視覺和聽覺）在產(chǎn)前就已形成，并在出生前后達到類似成人的空間拓?fù)浣Y(jié)構(gòu)，為生命必需功能（如吸吮和觸覺反應(yīng)）提供支持。社交情感網(wǎng)絡(luò)（如默認(rèn)模式網(wǎng)絡(luò)和杏仁核連接）在第一年快速發(fā)展，形成連接初級功能和高級認(rèn)知的"整合核心"。而認(rèn)知和執(zhí)行控制網(wǎng)絡(luò)（如前額葉網(wǎng)絡(luò)）則經(jīng)歷更漫長的成熟過程。值得注意的是，網(wǎng)絡(luò)拓?fù)涑墒欤ńY(jié)構(gòu)連接）不等同于功能成熟，而是為后續(xù)經(jīng)驗依賴的微調(diào)創(chuàng)造條件。例如，新生兒期觀察到的感覺運動網(wǎng)絡(luò)與杏仁核的連接會逐漸消退，被前額葉連接取代。這些發(fā)現(xiàn)為理解自閉癥等發(fā)育障礙的早期神經(jīng)基礎(chǔ)提供了重要線索。研究發(fā)表在 Trends in Cognitive Sciences 上。

#認(rèn)知科學(xué) #神經(jīng)機制與腦功能解析 #早期發(fā)育 #功能連接 #多模態(tài)成像

閱讀更多：

“A Hierarchical Model of Early Brain Functional Network Development.” Trends in Cognitive Sciences, May 2025. www.sciencedirect.com, https://doi.org/10.1016/j.tics.2025.04.001

AI 行業(yè)動態(tài)

Claude團隊開源大模型思維追蹤器，AI決策過程實現(xiàn)可視化

Claude團隊近日推出名為"電路追蹤"（circuit tracing）的開源工具，該工具能生成類似神經(jīng)網(wǎng)絡(luò)示意圖的歸因圖（attribution graphs），直觀展示大型語言模型（LLM）處理信息的內(nèi)部路徑。研究人員通過干預(yù)節(jié)點激活值驗證各模塊功能，例如在回答"包含達拉斯的州首府"問題時，工具清晰呈現(xiàn)了模型從"達拉斯"到"得克薩斯州"再到"奧斯汀"的雙路徑推理過程。Anthropic CEO Dario Amodei強調(diào)，這項技術(shù)將幫助學(xué)界縮小對AI能力與內(nèi)部機制理解之間的差距。

該工具支持在Gemma-2-2b等主流開源模型上快速生成可視化圖表，并通過Neuronpedia平臺提供交互式探索界面。團隊演示了多語言電路的運作機制：當(dāng)關(guān)閉法語特征節(jié)點時，模型輸出自動切換為英語；而激活中文節(jié)點則能改變輸出語種。值得注意的是，不同語言版本共享同一組"Say big"核心節(jié)點，僅通過附加語言特征實現(xiàn)多語言適配，這種設(shè)計顯著區(qū)別于傳統(tǒng)多語言模型的并行電路架構(gòu)。

項目開源24小時內(nèi)即獲得400+GitHub星標(biāo)，被Reddit網(wǎng)友譽為"LLM研究的顯微鏡"。目前提供的Colab入門手冊和Demo案例，允許用戶自行驗證節(jié)點功能，例如通過替換"得克薩斯州"節(jié)點為"加利福尼亞州"，成功將輸出結(jié)果從"奧斯汀"轉(zhuǎn)變?yōu)?薩克拉門托"。團隊表示，雖然部分復(fù)雜場景（如反義詞替換）的干預(yù)效果有限，但這恰恰揭示了模型特定功能的實現(xiàn)邊界。

#人工智能 #大模型可解釋性 #開源工具 #神經(jīng)網(wǎng)絡(luò)可視化 #AI透明度

閱讀更多：

https://github.com/safety-research/circuit-tracer?tab=readme-ov-file

AI團隊協(xié)作遇甩鍋難題，新研究讓AI學(xué)會主動認(rèn)錯

在多智能體AI系統(tǒng)中，任務(wù)失敗后往往難以追溯責(zé)任源頭。賓夕法尼亞州立大學(xué)（PSU）、杜克大學(xué)與谷歌DeepMind的研究人員首次提出"自動化失敗歸因"技術(shù)，通過讓AI自主識別錯誤，破解這一羅生門困境。相關(guān)論文獲得ICML 2025頂會Spotlight榮譽，并開源了首個專用數(shù)據(jù)集Who&When，包含127個系統(tǒng)的失敗日志及人工標(biāo)注的"責(zé)任AI"和錯誤步驟。

研究團隊探索了三種歸因方法：全局審視法（All-at-Once）擅長定位責(zé)任AI但步驟識別差，逐步偵查法（Step-by-Step）精確定位步驟卻成本高昂，二分定位法（Binary Search）則表現(xiàn)折中。實驗顯示，當(dāng)前最佳方法識別責(zé)任AI的準(zhǔn)確率僅53.5%，定位錯誤步驟更低至14.2%，連GPT-4o等頂尖模型也表現(xiàn)不佳，凸顯任務(wù)復(fù)雜性。

#人工智能 #多智能體系統(tǒng) #故障診斷 #ICML2025 #AI協(xié)作

閱讀更多：

https://arxiv.org/pdf/2505.00212

AI 驅(qū)動科學(xué)

Nature：靜息態(tài)功能磁共振成像的歷史與未來展望

Bharat B. Biswal和Lucina Q. Uddin團隊回顧了靜息態(tài)功能磁共振成像（rsfMRI）25年發(fā)展歷程，這項曾被視為"噪聲"的技術(shù)已催生超過25,000項研究，揭示了大腦內(nèi)在組織的奧秘，并有望在精準(zhǔn)精神病學(xué)領(lǐng)域發(fā)揮更大作用。

研究團隊通過系統(tǒng)文獻分析，梳理了rsfMRI從1995年發(fā)現(xiàn)自發(fā)低頻波動（low-frequency fluctuations）到成為主流神經(jīng)影像工具的全過程。關(guān)鍵突破包括確認(rèn)這些波動反映功能性腦網(wǎng)絡(luò)活動，而非單純噪聲；開發(fā)獨立成分分析（ICA）和功能連接等方法解析這些信號。跨學(xué)科合作尤為突出：電氣工程師優(yōu)化了信號采集，物理學(xué)家改進了圖像重建，數(shù)學(xué)家發(fā)展了網(wǎng)絡(luò)分析工具，計算機科學(xué)家則貢獻了機器學(xué)習(xí)算法。當(dāng)前挑戰(zhàn)在于解決機器學(xué)習(xí)中的泛化失敗問題，研究建議通過整合全腦計算建模（whole-brain computational modeling）和更精細(xì)的腦-行為映射來應(yīng)對。最具前景的應(yīng)用是與群體神經(jīng)科學(xué)（population neuroscience）結(jié)合，推動精準(zhǔn)精神病學(xué)發(fā)展。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #跨學(xué)科整合 #計算模型與人工智能模擬 #精準(zhǔn)醫(yī)療

閱讀更多：

Biswal, Bharat B., and Lucina Q. Uddin. “The History and Future of Resting-State Functional Magnetic Resonance Imaging.” Nature, vol. 641, no. 8065, May 2025, pp. 1121–31. www.nature.com, https://doi.org/10.1038/s41586-025-08953-9

MindAligner：1小時fMRI數(shù)據(jù)破解跨個體腦視覺解碼難題

如何解決腦視覺解碼中的個體差異和數(shù)據(jù)稀缺問題？上海人工智能實驗室聯(lián)合南京理工大學(xué)、香港中文大學(xué)、清華大學(xué)等機構(gòu)的Yuqin Dai、Zhouheng Yao、Chunfeng Song等研究人員開發(fā)了MindAligner框架，首次實現(xiàn)僅需1小時fMRI數(shù)據(jù)即可完成跨個體精準(zhǔn)視覺解碼。

研究提出兩大創(chuàng)新：腦遷移矩陣（BTM）直接在原始腦空間建立跨受試者的體素級（voxel-level，fMRI三維像素單元）對應(yīng)關(guān)系，避免傳統(tǒng)潛在空間對齊的語義沖突；腦功能對齊模塊（BFA）突破同刺激數(shù)據(jù)限制，通過語義相似性實現(xiàn)非相同刺激間的信號映射。實驗顯示，該方法在NSD數(shù)據(jù)集上實現(xiàn)0.206的像素相關(guān)性（PixCorr），圖像重建質(zhì)量顯著優(yōu)于MindEye2等方法，且腦信號檢索準(zhǔn)確率提升17.9%。神經(jīng)機制分析發(fā)現(xiàn)，早期視覺區(qū)（處理線條/顏色）跨個體一致性高，而高級視覺區(qū)（人臉識別/場景記憶）個體差異顯著。該方法僅需傳統(tǒng)方法1/40的數(shù)據(jù)量（1小時掃描），參數(shù)學(xué)習(xí)量僅為模型總量的6%，為腦機接口的臨床推廣掃除數(shù)據(jù)門檻。研究發(fā)表在 ICML 上。

#意識與腦機接口 #大腦信號解析 #神經(jīng)機制與腦功能解析 #跨學(xué)科整合 #計算模型與人工智能模擬

閱讀更多：

Dai, Yuqin, et al. MindAligner: Explicit Brain Functional Alignment for Cross-Subject Visual Decoding from Limited fMRI Data. arXiv:2502.05034, arXiv, 7 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.05034

工程師為機器人開發(fā)自愈肌肉

軟體機器人如何實現(xiàn)生物級自愈能力？內(nèi)布拉斯加大學(xué)林肯分校的Eric Markvicka、Ethan Krings和Patrick McManigal團隊開發(fā)出三層結(jié)構(gòu)智能人工肌肉，首次整合損傷檢測、定位修復(fù)與系統(tǒng)重置功能，入圍IEEE機器人與自動化國際會議雙項論文獎決賽。

?該團隊研發(fā)的智能自修復(fù)人工肌肉的多層結(jié)構(gòu)。頂層為驅(qū)動層，通過水壓啟動肌肉運動。中間層是堅硬的自修復(fù)熱塑性彈性體。底層的“表皮”層通過灰色顯示的監(jiān)測線之間形成的網(wǎng)絡(luò)檢測損傷。表皮層由嵌入硅酮彈性體中的液態(tài)金屬微滴組成。Credit: Eric Markvicka | Mechanical and Materials Engineering and Joel Brehm | Research and Innovation

研究團隊設(shè)計的多層人工肌肉包含：液態(tài)金屬微滴（liquid metal microdroplets）傳感層，通過電流網(wǎng)絡(luò)檢測穿刺損傷；熱塑性彈性體自愈層，利用焦耳熱效應(yīng)熔化修復(fù)；水壓驅(qū)動層控制運動。當(dāng)?shù)讓訖z測到損傷時，系統(tǒng)自動增強局部電流產(chǎn)生60-80℃熱量，3-5分鐘內(nèi)即可密封傷口。關(guān)鍵創(chuàng)新在于利用傳統(tǒng)視為技術(shù)障礙的電遷移現(xiàn)象——通過短時超載電流使金屬原子遷移，成功擦除損傷標(biāo)記，實現(xiàn)系統(tǒng)循環(huán)使用。測試顯示，該肌肉可承受超過50次損傷-修復(fù)循環(huán)，且修復(fù)后機械性能恢復(fù)率達92%。研究為農(nóng)業(yè)機器人（應(yīng)對荊棘/玻璃損傷）、醫(yī)療可穿戴設(shè)備等場景提供解決方案，預(yù)計可使電子設(shè)備壽命延長3-5倍。研究發(fā)表在 IEEE International Conference on Robotics and Automation 上。

#AI驅(qū)動科學(xué) #自動化科研 #軟體機器人 #自修復(fù)材料 #可持續(xù)技術(shù)

閱讀更多：

https://smr.unl.edu/papers/Krings_et_al-2025-ICRA.pdf

熬夜傷情，上海交大發(fā)現(xiàn)睡眠剝奪會降低情緒識別能力

睡眠狀態(tài)如何影響情緒感知？上海交通大學(xué)計算機學(xué)院呂寶糧、鄭偉龍團隊聯(lián)合李子怡、陶樂妍、馬睿驍?shù)妊芯空撸ㄟ^構(gòu)建全球最大睡眠多模態(tài)情緒數(shù)據(jù)集SEED-SD，結(jié)合新型ReLF算法，首次定量證明睡眠剝奪會顯著降低情緒識別能力，而充足睡眠可恢復(fù)該能力。

研究團隊招募40名被試，分別在睡眠剝奪（整晚不睡）、睡眠恢復(fù)（8小時補覺）和正常睡眠狀態(tài)下，記錄其觀看情緒視頻時的腦電和眼動信號。新開發(fā)的ReLF算法創(chuàng)新性地采用"分區(qū)注意力"機制，能自動識別關(guān)鍵腦區(qū)（如前額葉）和眼動特征（如瞳孔變化）。實驗顯示：睡眠剝奪狀態(tài)下情緒識別準(zhǔn)確率下降15.7%，而睡眠恢復(fù)后僅比正常狀態(tài)低2.3%。進一步分析發(fā)現(xiàn)，δ頻段（1-4Hz）腦電波和快速眼跳是區(qū)分情緒的最穩(wěn)定指標(biāo)。值得注意的是，雖然睡眠剝奪改變了神經(jīng)活動模式，但腦電與眼動的互補關(guān)系保持不變——結(jié)合兩種模態(tài)始終比單模態(tài)識別率高11%以上。該成果為抑郁癥的客觀診斷提供了新思路，相關(guān)算法已開源。研究發(fā)表在 IEEE Transactions on Affective Computing 上。

#疾病與健康 #預(yù)測模型構(gòu)建 #心理健康與精神疾病 #多模態(tài)學(xué)習(xí) #神經(jīng)機制與腦功能解析

閱讀更多：

Li, Ziyi, et al. “Investigating the Effects of Sleep Conditions on Emotion Responses With EEG Signals and Eye Movements.” IEEE Transactions on Affective Computing, 2025, pp. 1–18. IEEE Xplore, https://doi.org/10.1109/TAFFC.2025.3572504

人機協(xié)同新范式：互補算法提升決策質(zhì)量

AI輔助決策為何常適得其反？賓夕法尼亞大學(xué)沃頓商學(xué)院的Bryce McLaughlin與斯坦福大學(xué)商學(xué)院的Jann Spiess團隊提出互補性設(shè)計框架，通過模擬招聘實驗證明：選擇性推薦算法可使決策準(zhǔn)確率提升12.1%，超越純算法與人工決策。

?預(yù)測性處理中的招聘決策示例。Credit: arXiv (2024).

研究團隊首先建立數(shù)學(xué)模型，利用潛在結(jié)果框架（potential-outcomes framework）量化算法推薦對人類決策的影響，并引入單調(diào)性假設(shè)簡化分析。在包含25輪決策的模擬招聘實驗中，互補算法組僅在受試者可能犯錯時（通過預(yù)測試驗判斷）提供建議，結(jié)果顯示其決策準(zhǔn)確率比無輔助組高12.1%，比純算法組高7.3%。關(guān)鍵發(fā)現(xiàn)是：人類對算法的采納具有情境依賴性——當(dāng)自身判斷信心低時合規(guī)率高達78%，反之僅32%。這種"智能妥協(xié)"機制既避免過度依賴導(dǎo)致的認(rèn)知惰性，又克服完全忽視造成的信息浪費。算法還能自動識別高風(fēng)險決策點（如預(yù)算受限的教師分配），優(yōu)先在這些場景提供輔助。研究為醫(yī)療、司法等領(lǐng)域的AI工具設(shè)計提供了可量化評估框架。

#AI驅(qū)動科學(xué) #意圖與決策 #跨學(xué)科整合 #人機交互 #社會政策優(yōu)化

閱讀更多：

McLaughlin, Bryce, and Jann Spiess. Designing Algorithmic Recommendations to Achieve Human-AI Complementarity. arXiv:2405.01484, arXiv, 30 Oct. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2405.01484

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學(xué)的邊界。如果您有進一步想要討論的內(nèi)容，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。